Warum schlechte Daten jede Automatisierung ausbremsen
Ein Mensch übersieht eine Dublette, gleicht eine Lücke aus Erfahrung aus und merkt, wenn ein Wert nicht stimmen kann. Eine Regel kann das alles nicht. Deshalb legt Automatisierung Datenprobleme offen, die vorher niemandem aufgefallen sind.
Eine Automatisierung, die gestern noch als grosser Wurf galt, produziert nach zwei Wochen Fehler - und die Ursache liegt nie in der Regel. Sie liegt in den Daten, mit denen die Regel arbeitet.
Das ist der unangenehme Nebeneffekt jeder Automatisierung: Sie legt Datenprobleme offen, die vorher niemandem aufgefallen sind. Nicht weil sie neu wären, sondern weil ein Mensch sie stillschweigend ausgeglichen hat.
Was ein Mensch ausgleicht und eine Regel nicht
Wer eine Rechnung von Hand erfasst, sieht sofort, dass “Müller AG” und “Mueller AG” dieselbe Firma sind. Er weiss, dass die Adresse von 2019 nicht mehr stimmt, weil er letzte Woche dort war. Und wenn ein Feld leer ist, ruft er an.
Eine Regel kann nichts davon. Sie findet zwei Kunden statt einem, schickt an die alte Adresse und bricht ab oder rechnet mit einer Null. Die Datenqualität war vorher schon schlecht - sie war nur nicht sichtbar, weil täglich jemand darüber hinweggeglättet hat.
Vier Probleme, die immer auftreten
Dubletten. Derselbe Kunde, Lieferant oder Artikel mehrfach angelegt. Entsteht durch Tippfehler, unterschiedliche Schreibweisen oder weil zwei Personen gleichzeitig erfassen. Wirkung: Auswertungen stimmen nicht, Umsätze verteilen sich auf zwei Datensätze, Automatisierungen greifen nur bei einem davon.
Lücken. Pflichtangaben, die fehlen, weil sie beim Erfassen nicht bekannt waren und niemand nachträgt - fehlende Zahlungskonditionen, keine Mehrwertsteuernummer, kein Ansprechpartner. Eine Regel, die auf diesem Feld aufbaut, greift bei diesen Datensätzen einfach nicht.
Veraltete Werte. Preise von vorletztem Jahr, ausgeschiedene Ansprechpartner, Lieferzeiten, die längst nicht mehr stimmen. Das ist das gefährlichste Problem, weil die Daten vollständig aussehen.
Uneinheitliche Schreibweisen. Artikelbezeichnungen, Einheiten, Kategorien - jede Person macht es anders. Für den Menschen egal, für jede Auswertung und jede Regel entscheidend.
Kurz gesagt: Automatisierung erzeugt keine Datenprobleme, sie macht bestehende sichtbar. Wer vorher nicht aufräumt, automatisiert Fehler - und zwar zuverlässig und in Serie.
Woran man es früh erkennt
Man muss keine Analyse beauftragen, um den Zustand einzuschätzen. Vier Fragen genügen:
- Wie viele Kunden hat unser System, und wie viele haben wir wirklich? Weichen die Zahlen um mehr als ein paar Prozent ab, gibt es Dubletten.
- Wie viele Datensätze haben leere Pflichtfelder? Diese Zahl lässt sich in jedem System in Minuten ermitteln - und sie überrascht regelmässig.
- Wann wurde der älteste aktive Artikel zuletzt geändert? Ein Preis, der seit vier Jahren steht, ist entweder stabil oder vergessen.
- Gibt es eine Person, die für die Stammdaten zuständig ist? Wenn nicht, ist die Antwort auf die ersten drei Fragen absehbar.
Automatisierung erzeugt keine Datenprobleme. Sie macht die vorhandenen sichtbar - und verstärkt sie.
Wie ein KMU das in den Griff bekommt
Der verbreitete Reflex ist ein grosses Bereinigungsprojekt. Das funktioniert selten: Es bindet Wochen, und ohne Änderung an der Erfassung ist der Zustand nach einem Jahr derselbe.
Wirksamer ist die Kombination aus einmal aufräumen und dauerhaft verhindern:
Aufräumen, aber begrenzt. Nicht alle Daten, sondern die, die im automatisierten Ablauf gebraucht werden. Wer Rechnungsstellung automatisiert, braucht saubere Kundenstammdaten - nicht saubere Artikelbeschreibungen.
Pflichtfelder erzwingen. Was für den Prozess nötig ist, muss beim Erfassen ausgefüllt sein. Das ist unbequem und die wirksamste Einzelmassnahme überhaupt.
Dublettenprüfung beim Anlegen. Ein Hinweis beim Erfassen verhindert, was später mühsam zusammengeführt werden muss.
Zuständigkeit benennen. Je Datenbereich eine Person. Ohne Namen verfällt jeder bereinigte Bestand wieder.
So sieht das in Odoo aus
Odoo hilft bei der Verhinderung mehr als beim Aufräumen. Pflichtfelder lassen sich je Prozess festlegen, eine Dublettenprüfung schlägt beim Anlegen ähnliche Datensätze vor, und weil alle Bereiche auf derselben Datenbasis arbeiten, gibt es den Kunden nur einmal - statt je einmal im Verkaufssystem, in der Buchhaltung und in der Tabelle des Aussendiensts.
Das Aufräumen selbst bleibt Handarbeit mit Werkzeugunterstützung: Dubletten zusammenführen, Lücken schliessen, Werte prüfen. Wie das konkret abläuft, beschreibt Schlechte Datenqualität in Odoo beheben; warum Daten die Grundlage jedes Vorhabens sind, Warum Daten die Grundlage jeder Digitalisierung sind.
Fazit
Schlechte Daten bremsen Automatisierung nicht, weil die Technik empfindlich wäre, sondern weil der Mensch wegfällt, der die Mängel bisher stillschweigend ausgeglichen hat. Dubletten, Lücken, veraltete Werte und uneinheitliche Schreibweisen werden dadurch von einer Unannehmlichkeit zu einem Fehler.
Der Weg dorthin ist unspektakulär: begrenzt aufräumen, Pflichtfelder erzwingen, Dubletten beim Anlegen abfangen, Zuständigkeit benennen. Das ist weniger Aufwand als ein Bereinigungsprojekt - und im Gegensatz dazu hält es.
Weiterführend: Themenwelt Digitalisierung & Prozesse. Den nächsten Schritt machen Sie mit dem kostenlosen Projekt-Check.
Wie belastbar sind Ihre Daten?
Im kostenlosen Projekt-Check schauen wir uns Ihre Stammdaten an, bevor über Automatisierung gesprochen wird.
